自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: 暂无明显优势 / 相对落后: Agent能力评测 -23.2
相对优势: Agent能力评测 +23.2 / 相对落后: 暂无明显落后
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
GPT-5 · 119.28
单项最高
GPT-5 · CodeClash 1360.00
模态覆盖
Gemini 2.5-Pro · 2 种模态
正面对比
20
评测基准
2
领先项
18
落后项
-23.59
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
20 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Gemini 2.5-Pro | GPT-5 |
|---|---|---|
ARC-AGI 综合评估 | 37.00开启思考 | 65.70思考水平·高 |
ARC-AGI-2 综合评估 | 4.90开启思考 | 9.90思考水平·高 |
GPQA Diamond 综合评估 | 86.40开启思考 | 87.30开启思考 ｜ 工具 |
HLE 综合评估 | 21.60开启思考 | 35.20开启思考 ｜ 工具 |
CodeClash 编程与软件工程 | 1125.00常规模式 ｜ 工具 | 1360.00常规模式 ｜ 工具 |
SWE-bench Verified 编程与软件工程 | 67.20开启思考 | 72.80思考水平·高 |
AIME2025 数学推理 | 88.00开启思考 | 99.60开启思考 ｜ 工具 |
FrontierMath 数学推理 | 11.00常规模式 | 26.30思考水平·高 ｜ 工具 |
2.10常规模式 | 12.50思考水平·高 | |
IMO 2024 数学推理 | 19.00开启思考 | 11.00开启思考 |
IMO 2025 数学推理 | 15.20开启思考 | 29.00开启思考 |
IMO-ProofBench 数学推理 | 55.20开启思考 | 59.00开启思考 |
17.60开启思考 | 20.00开启思考 | |
Terminal-Bench AI Agent - 工具使用 | 25.30开启思考 | 43.80开启思考 ｜ 工具 |
MMMU 多模态理解 | 82.00开启思考 | 84.20思考水平·高 |
Simple Bench 常识推理 | 62.40开启思考 | 56.70思考水平·高 |
Aider-Polyglot Agent能力评测 | 83.1032K | 88.00思考水平·高 |
τ²-Bench - Telecom Agent能力评测 | 54.00开启思考 ｜ 工具 | 96.70思考水平·高 ｜ 工具 |
IF Bench 指令跟随 | 49.00开启思考 ｜ 工具 | 73.10思考水平·高 |
BrowseComp AI Agent - 信息收集 | 7.80开启思考 ｜ 工具 | 54.90开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | Gemini 2.5-ProGoogle Deep Mind | GPT-5OpenAI |
|---|---|---|
核心规格发布时间 | 2025-06-05 | 2025-08-07 |
上下文 | 1000K | 400K |
最大输出 | 65536 | 131072 |
MoE 架构 | 不支持 | 不支持 |
支持模式 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode）深度思考（Deeper Thinking Mode） | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode）深度思考（Deeper Thinking Mode） |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
资料来源论文 / 报告 | Try the latest Gemini 2.5 Pro before general availability. | Introducing GPT-5 |
DataLearner 博客 | Google发布Gemini 2.5 Pro: Gemini系列第一个2.5版本的模型，最高支持200万上下文，全模态输入，推理大模型，LMArena排名第一 | OpenAI发布GPT-5：这是一个包含实时路由的AI系统，而不仅仅是一个模型 |
